本文介绍了一次使用Python进行数据挖掘的Kaggle竞赛案例，包括数据加载、数据统计、数据清洗和相关性分析。作者强调了在数据科学中了解数据的重要性，避免误删有价值的数据，并分享了如何识别和处理无用特征，以及设定阈值找出相关性强的特征。
Load Lib
在这边提一下为什么要加
import warnings
warnings.filterwarnings('ignore')
主要就是为了美观，如果不加的话，warning一堆堆的，不甚整洁。
Load data
和正常的套路一样，Id的没有什么卵用但是每个数据集都喜欢加的东西，因此我们弄死它就好了。
Data Statistics
Data Statistics是不能省略的部分，这部分能够首先让你对Data Science有个很基础的认知，也就是play with your data之前的know your data的部分。
在这里说一下，我在之前很简单粗暴的一上来就
dataset=df.iloc[:,1:]
把Id给删掉了，是不对的。正常的套路要先进行Data Statistics之后，才能进行对数据集的操作，否则误删了有价值的数据。。。就不大好了。。。
先看看数据集里有什么东西？
大家发现这个数据集很有趣的地方就是，他的数据类型全部都是int64的，这样Data cleaning的时候压
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
